如何跟踪Python脚本执行状态？求可行实践方案

一、装饰器方案（最推荐） #

用装饰器封装跟踪逻辑，能轻松捕获执行时长、成功状态，还能复用在多个函数/脚本上。

示例代码：

import time
from functools import wraps

def track_execution(func):
    @wraps(func)
    def wrapper(*args, **kwargs):
        start_time = time.time()
        status = 0
        try:
            result = func(*args, **kwargs)
        except Exception as e:
            status = 1
            # 可选：记录异常信息
            print(f"执行出错: {str(e)}")
            raise  # 不需要中断脚本就去掉这行
        finally:
            end_time = time.time()
            duration = end_time - start_time
            print(f"脚本执行信息: 开始时间={start_time:.2f}, 结束时间={end_time:.2f}, 状态={status}, 时长={duration:.2f}s")
            # 可将信息写入日志文件或数据库持久化
        return result
    return wrapper

# 使用方式：给要跟踪的脚本主函数加装饰器
@track_execution
def main():
    # 你的脚本业务逻辑
    print("脚本运行中...")
    # 模拟错误：raise ValueError("测试异常")

if __name__ == "__main__":
    main()

• 优势：代码侵入性极低，只需给主函数加装饰器即可自动跟踪所有状态；支持异常捕获，准确标记失败状态。
• 注意：如果脚本没有主函数，可把所有逻辑放到被装饰的函数中。

二、上下文管理器方案 #

适合需要在特定代码块内跟踪的场景，语法直观。

示例代码：

import time

class ExecutionTracker:
    def __enter__(self):
        self.start_time = time.time()
        return self

    def __exit__(self, exc_type, exc_val, exc_tb):
        self.end_time = time.time()
        self.status = 0 if exc_type is None else 1
        duration = self.end_time - self.start_time
        print(f"执行记录: 开始时间={self.start_time:.2f}, 结束时间={self.end_time:.2f}, 状态={self.status}, 时长={duration:.2f}s")
        # 可选：exc_type不为None时记录详细错误信息
        return False  # 返回True会抑制异常，按需调整

# 使用方式
with ExecutionTracker() as tracker:
    # 你的脚本逻辑
    print("脚本执行中...")
    # 模拟错误：raise TypeError("测试错误")

• 优势：通过with语句明确界定跟踪范围，适合局部代码块的监控；同样能捕获异常状态。

三、脚本入口包裹方案 #

不想用装饰器或上下文管理器时，直接在脚本最外层包裹逻辑，适合简单脚本快速实现。

示例代码：

import time

start_time = time.time()
status = 0

try:
    # 你的整个脚本逻辑写在这里
    print("脚本运行中...")
    # 模拟错误：raise Exception("测试异常")
except Exception as e:
    status = 1
    print(f"执行失败: {str(e)}")
finally:
    end_time = time.time()
    duration = end_time - start_time
    print(f"执行结果: 开始时间={start_time:.2f}, 结束时间={end_time:.2f}, 状态={status}, 时长={duration:.2f}s")
    # 可将结果写入日志，比如：
    # with open("execution_log.txt", "a") as f:
    #     f.write(f"{start_time},{end_time},{status},{duration}\n")

• 优势：无需额外封装，代码直接明了，适合小型脚本快速落地跟踪需求。

四、日志模块结合方案 #

把跟踪信息标准化写入日志，方便后续分析。可结合上面任意方案，将打印替换为日志输出。

示例（结合装饰器）：

import time
import logging
from functools import wraps

# 配置日志
logging.basicConfig(filename='script_tracking.log', level=logging.INFO,
                    format='%(asctime)s - %(message)s')

def track_with_log(func):
    @wraps(func)
    def wrapper(*args, **kwargs):
        start_time = time.time()
        status = 0
        try:
            func(*args, **kwargs)
        except Exception as e:
            status = 1
            logging.error(f"脚本执行失败: {str(e)}")
            raise
        finally:
            end_time = time.time()
            duration = end_time - start_time
            logging.info(f"脚本执行记录: 开始时间={start_time:.2f}, 结束时间={end_time:.2f}, 状态={status}, 时长={duration:.2f}s")
    return wrapper

@track_with_log
def main():
    print("脚本运行中...")

if __name__ == "__main__":
    main()

• 优势：日志持久化存储，方便后续通过工具分析执行情况，比如统计成功率、平均执行时长等。

内容的提问来源于stack exchange，提问作者python_007